×
皮罗迪，L。

混合神经控制系统：一些稳定性特性。 （英语） Zbl 1273.93084号

J.富兰克林研究所。 349，第3期，826-844（2012）.
摘要：带有前馈神经网络的非线性控制通常是通过基于模型的控制策略来设计的，这些策略明确使用了受控系统的（正模型或逆模型）模型。在这个框架中，一个典型的控制问题是减少由神经网络近似引入的不可避免误差的影响。在非自适应设置中，建模误差可以通过混合控制方案进行补偿，其中近似神经控制器由并联的积分型调节器进行补充。然而，以这种方式，基于模型的控制范式部分丢失，控制系统的稳定性可能会降低。本文对这种混合方案进行了稳定性分析，结果表明，只要两个控制块中的每一个都满足特定条件，就可以实现控制系统的稳定性。此外，还提出了一种改进的混合方案来增强两个控制块之间的协作：使用非线性静态滤波器来调节积分作用，使其仅在神经控制器接近平衡时才变得重要。稳定性分析扩展到了这种情况。最后讨论了两个控制块级联的混合方案。

引用于1文件

MSC公司：

93立方厘米 控制理论中的非线性系统
93D99型 控制系统的稳定性
92B20型 生物研究、人工生命和相关主题中的神经网络

关键词：

混合神经控制系统;稳定性特性;神经网络近似。
PDF格式BibTeX公司 XML格式引用
\textit｛L.Piroddi｝，J.Franklin Inst.349，编号3，826-844（2012；兹bl 1273.93084）
全文： 内政部 链接

参考文献：

[1] Miller，W.T。；Sutton，R.S。；Werbos，P.J.，《用于控制的神经网络》（1990），麻省理工学院出版社：麻省理学院出版社剑桥
[2] Narendra，K.S。；Parthasarathy，K.，使用神经网络识别和控制动力系统，IEEE神经网络汇刊，1,1,4-27（1990）
[3] 亨特，K.J。；Sbarbaro，D.，非线性内模控制的神经网络，IEE Proceedings D，control Theory&Application，138，5，431-438（1991）·Zbl 0755.93034号
[4] 亨特·K·J。；斯巴巴罗，D。；Zbikowski，R。；Gawthrop，P.J.，控制系统的神经网络——一项调查，Automatica，28，6，1083-1112（1992）·Zbl 0763.93004号
[5] （Warwick，K.；Irwin，G.W.；Hunt，K.J.（1992），Peter Peregrinus:Peter Pererginus London）
[6] 比坦蒂，S。；Piroddi，L.，神经网络非线性控制的GMV技术，IEE论文集D，控制理论与应用。，141, 57-69 (1994) ·Zbl 0800.93787号
[7] Agarwal，M.，《神经网络控制的系统分类》，IEEE控制系统杂志，17，2，75-93（1997）
[8] 对手，I。；Personnaz，L.，使用神经网络的非线性内部模型控制：应用于具有延迟和设计问题的过程，IEEE神经网络汇刊，11，1，80-90（2000）
[9] 陈，F。；Khalil，H.K.，使用神经网络的非线性系统自适应控制，国际控制杂志，55，6，1299-1317（1992）·Zbl 0759.93046号
[10] Tan，Y。；Van Cauwenberghe，A.，《使用神经网络的非线性一步头控制：控制策略和稳定性设计》，Automatica，32，12，1701-1706（1996）·Zbl 0875.93124号
[11] 戈姆，J.B。；Evans，J.T。；Williams，D.，神经网络预测控制器的开发和性能，控制工程实践，5，1，49-60（1997）
[12] 斯巴巴罗·霍弗，D。；纽默克尔，D。；Hunt，K.J.，轧钢机的神经控制，IEEE控制系统杂志，13，3，122-127（1993）
[13] Agarwal，M.，《将神经和传统范式结合起来进行建模、预测和控制》，《国际系统科学杂志》，28，1，65-82（1997）·Zbl 0869.93006号
[14] C.A.Maia，P.Resende，MIMO非线性电厂的神经控制：增益调度方法，摘自：第12届IEEE智能控制国际研讨会论文集，土耳其伊斯坦布尔，1997年。；C.A.Maia，P.Resende，MIMO非线性电厂的神经控制：增益调度方法，收录于：第12届IEEE智能控制国际研讨会论文集，土耳其伊斯坦布尔，1997年。
[15] 比坦蒂，S。；Piroddi，L.，基于神经网络的控制系统中的稳态偏差抑制，智能自动化和软计算，6，2（2000）
[16] Vidyasagar，M.，《非线性系统分析》（1993），《Prentice-Hall：Prentice-Hall Englewood Cliffs》·Zbl 0900.93132号
[17] Cybenko，G.，通过sigmoid函数的叠加进行逼近，控制数学，信号和系统，2303-314（1989）·Zbl 0679.94019号
[18] Funahashi，K.I.，关于用神经网络近似实现连续映射，神经网络，2183-192（1989）
[19] 霍尼克，K。；Stinchcombe，M。；White，H.，多层前馈网络是通用逼近器，神经网络，2359-366（1989）·Zbl 1383.92015年
[20] La Salle，J。；Lefschetz，S.，《利亚普诺夫直接法的稳定性及其应用》（1961年），学术出版社：纽约学术出版社·Zbl 0098.06102号
[21] Hahn，W.，《运动稳定性》（1967），《斯普林格·弗拉格：柏林斯普林格尔·弗拉格》·Zbl 0189.38503号
[22] 莱文·A·U。；Narendra，K.S.，使用神经网络控制非线性动力系统：可控性和稳定性，IEEE神经网络汇刊，4，2，192-206（1993）
[23] Rudin，W.，《数学分析原理》（1976），McGraw-Hill:McGraw-Hill纽约·兹伯利0148.02903
[24] S.Monaco，D.Normand-Cyrot，最小相位非线性离散时间系统与反馈镇定，摘自：第26届决策与控制会议论文集，加利福尼亚州洛杉矶，1987年，第7-12页。；S.Monaco，D.Normand-Cyrot，最小相位非线性离散时间系统与反馈镇定，摘自：第26届决策与控制会议论文集，加利福尼亚州洛杉矶，1987年，第7-12页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。